Question

我有一个像下面的pandas数据框..

item_id        date
  101     2016-01-05
  101     2016-01-21
  121     2016-01-08
  121     2016-01-22
  128     2016-01-19
  128     2016-02-17
  131     2016-01-11
  131     2016-01-23
  131     2016-01-24
  131     2016-02-06
  131     2016-02-07

我想计算日期列之间的天数差异，但是相对于item_id列。首先，我想在item_id上使用日期分组对数据帧进行排序。看起来应该是这样的

item_id        date     
  101     2016-01-05         
  101     2016-01-08         
  121     2016-01-21         
  121     2016-01-22         
  128     2016-01-17         
  128     2016-02-19
  131     2016-01-11
  131     2016-01-23
  131     2016-01-24
  131     2016-02-06
  131     2016-02-07

然后我想计算再次分组在item_id上的日期之间的差异所以输出应该如下所示

 item_id        date      day_difference 
  101     2016-01-05          0
  101     2016-01-08          3
  121     2016-01-21          0
  121     2016-01-22          1
  128     2016-01-17          0
  128     2016-02-19          2
  131     2016-01-11          0
  131     2016-01-23          12
  131     2016-01-24          1
  131     2016-02-06          13 
  131     2016-02-07          1

为了排序，我使用了类似的东西

df.groupby('item_id').apply(lambda x: new_df.sort('date'))

但是，它没有成功。我可以通过以下

来计算连续行之间的差异

(df['date'] - df['date'].shift(1))

但不适合使用item_id

进行分组

Answer 1

我认为你可以使用：

df['date'] = df.groupby('item_id')['date'].apply(lambda x: x.sort_values())

df['diff'] = df.groupby('item_id')['date'].diff() / np.timedelta64(1, 'D')
df['diff'] = df['diff'].fillna(0)
print df
    item_id       date  diff
0       101 2016-01-05     0
1       101 2016-01-21    16
2       121 2016-01-08     0
3       121 2016-01-22    14
4       128 2016-01-19     0
5       128 2016-02-17    29
6       131 2016-01-11     0
7       131 2016-01-23    12
8       131 2016-01-24     1
9       131 2016-02-06    13
10      131 2016-02-07     1

Answer 2

你也可以试试：

df.date.diff().fillna(pd.Timedelta(seconds=0))

<块引用>

注意：timedelta dtype

不再支持 .fillna(0)

如何计算具有条件的连续pandas数据帧行之间的日差异

2 个答案: